“`html

Cornelis Networks CN500：AI 时代的网络基石

曾经，网络连接不过寥寥数台本地计算机。如今，在AI主导的世界里，训练大型语言模型需要协调数万甚至数十万服务器的协同工作，而这需要零延迟的通信。Cornelis Networks推出的CN500网络架构应运而生，它旨在解决这一难题。

CN500并非昙花一现。它与以太网和InfiniBand并驾齐驱，成为网络领域的第三大支柱。这项技术显著提升了AI和高性能计算（HPC）的效率，缩短了任务完成时间，并实现了更精准的预测。Cornelis声称，在HPC领域，CN500超越了2022年推出的InfiniBand NDR，消息传输速度提升一倍，延迟降低35%。在AI应用中，其通信速度更是以太网协议的六倍。

以太网曾是局域网（LAN）的代名词，依靠软件补丁维持着它的生命力。InfiniBand的出现固然是进步，但其设计初衷仍是连接少量本地设备。“这些技术诞生之初，与并行计算毫无关系，”Cornelis公司总裁兼首席运营官Philip Murphy说道。

数据中心的兴起迫切需要新的网络解决方案。由于不同系统使用不同的软件，资源共享成为难题，以太网和InfiniBand难以应对高峰期的巨大压力。“这催生了云计算的演进，”Murphy解释道。将云端CPU资源分配给不同的计算机甚至不同的组织，成为当时的主流解决方案。

然而，当数据中心先驱们致力于在单台服务器上运行更多应用时，Murphy和他的团队另辟蹊径：最大化单一应用的处理器数量。“这需要一个完全不同的网络解决方案，”他说道，而Cornelis正是提供了这样的方案。公司基于英特尔为超级计算应用（如气候模拟或药物设计分子交互模拟）开发的Omni-Path架构，实现了最大吞吐量和零数据包丢失。

畅通无阻的数据高速公路

AI模型训练需要在极高带宽下交换大量数据包。每毫秒的消息速率和延迟都至关重要。

网络中数据包共享面临的主要挑战是拥塞。Cornelis的动态自适应路由算法巧妙地绕过短暂的拥塞点，而其拥塞控制架构则规避“热门”目的地。“如果体育场有活动，我们都不想被堵在去体育场的路上，”Murphy形象地解释道。中央配速技术支撑了这一拥塞控制架构，交换机监控流量，并在拥塞发生时指示发送方减速，直至拥塞消散。“这就像控制高速公路入口处的车流，”他补充道。

另一个挑战是避免延迟。传统的以太网架构需要在终点拥有足够的内存。“如果我发信息给你，而你内存不足，你必须回过头来告诉我，”Murphy说道。这需要大量的缓冲区，难以扩展。Cornelis采用基于信用的流量控制算法，预先分配内存。“你无需回复，我就知道还能发送多少数据，”Murphy解释道。

最后，该系统能够应对GPU或链路故障。传统架构中，服务器宕机意味着应用崩溃，需要从最近的检查点重启——而创建检查点本身就需要大量的计算资源。“想象一下，每次保存文档都要等待20分钟，”Murphy说道。而Cornelis Networks的系统则能够在故障链路修复前继续运行应用，只是带宽略有下降，无需检查点。

高效的AI

CN5000产品是一款基于定制芯片的网卡，如同家用的以太网卡一样插入服务器。顶部机架交换机连接到每台服务器和其他交换机，而导向级交换机则拥有48或576个端口连接机架交换机。“每台服务器都插入网卡，因此可以构建数千个端点的集群，”Murphy说道。

Cornelis的主要客户是希望升级AI集群或加快HPC模拟速度的组织。他们通过Cornelis合作的三家原始设备制造商（OEM）完成升级，OEM采购网卡并将其插入服务器。

过去，神经网络模型训练是一次性任务。如今，训练多万亿参数的AI模型需要反复微调和更新。Cornelis预计将从中受益。“不采用AI，企业将被淘汰；低效地使用AI，企业同样会失败，”Murphy总结道，“我们的客户希望以最有效的方式采用AI。”

“`